Welche Probleme treten bei der Hinzufügung der Monatsnummer als Merkmal auf?

Das Hinzufügen der Monatsnummer als Merkmal in ein maschinelles Lernmodell kann zu mehreren Problemen führen:

1. Zyklizität des Merkmals: Die Monatsnummer ist ein zyklisches Merkmal (nach 12 kommt 1). Wenn sie als numerischer Wert von 1 bis 12 dargestellt wird, könnte das Modell fälschlicherweise annehmen, dass 12 und 1 sehr unterschiedlich sind, obwohl sie in Wirklichkeit benachbart sind.

2. Falsche Wahrnehmung von Abständen: Das Modell könnte die Differenz zwischen Monaten als linear interpretieren, z.B. annehmen, dass Monat 12 und 1 am unterschiedlichsten sind, was nicht der Realität entspricht.

3. Probleme mit der Saisonalität: Wenn das Modell die Zyklizität nicht berücksichtigt, kann es Schwierigkeiten haben, saisonale Muster zu erfassen.

Um diese Probleme zu vermeiden, wird üblicherweise eine Transformation zyklischer Merkmale in zwei Komponenten mittels Sinus und Kosinus durchgeführt:

import numpy as np
month = 1  # Beispielmonat
month_sin = np.sin(2 * np.pi * month / 12)
month_cos = np.cos(2 * np.pi * month / 12)

Auf diese Weise sieht das Modell den Monat als Punkt auf einem Kreis, was die Zyklizität widerspiegelt und die Lernqualität verbessert.